.png){kind=icon}
返回
Generalized Multi-source Assimilation: A Framework for Cross-Modal Integration and Source Optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jcp.2026.115297.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究为多源科学机器学习中的最优权重学习奠定了理论基础。通过摆脱经验性和特设性的权重分配方法，我们的框架探索了多种数值方法、神经网络架构和噪声测量数据的自动化、数学严谨的融合。我们分析了广泛的耦合机制，范围从无约束的Softmax参数化到显式约束的公式（如ADMM），以及单时间尺度、双时间尺度和自适应ρ增广拉格朗日方法。
期刊
IF:
3.8
论文数:
1.6W
被引数:
7.4W
机构
引用论文
暂无论文信息